Show simple item record

dc.contributor.advisorOttaviani, Ennio <1958>
dc.contributor.authorStella, Alessia <1997>
dc.date.accessioned2023-10-05T14:22:29Z
dc.date.available2023-10-05T14:22:29Z
dc.date.issued2023-09-29
dc.identifier.urihttps://unire.unige.it/handle/123456789/6371
dc.description.abstractLo scopo di questa tesi è quello di descrivere le principali tecniche di valutazione di modelli neurali per object detection e quali sono le principali problematiche che si possono riscontrare nella valutazione di modelli di questo tipo. Nell’elaborato viene trattata sia la valutazione di modelli neurali allenati su immagini che su video, evidenziandone le principali differenze: - aggiunta della dimensione temporale - non-indipendenza dei frame di un video. Si conclude, anche attraverso l’esposizione di un esempio pratico, che le metriche presentate forniscono una buona rappresentazione delle prestazioni di un modello neurale e, che per quanto riguarda la valutazione su video è fondamentale tenere conto della dimensione temporale per ottenere risultati soddisfacenti e che diano una reale rappresentazione delle capacità del modello. Tuttavia il problema della valutazione delle reti neurali per object detection presenta alcuni punti ancora in fase di studio, tra cui: - la soggettività delle bounding-box - la valutazione in ambienti complessi - la considerazione del contesto semantico - la valutazione in tempo reale.it_IT
dc.description.abstractThe aim of this thesis is to describe the main techniques for evaluating neural models for object detection and what are the main problems that can be encountered in the evaluation of models of this type. The paper deals with both the evaluation of neural models trained on images and videos, highlighting the main differences: - addition of time dimension - non-independence of video frames. It is concluded, also through the presentation of a practical example, that the metrics presented provide a good representation of the performance of a neural model and that, with regards to video evaluation, it is essential to take into account the temporal dimension to obtain satisfactory results that give a real representation of the model's capabilities. However, the problem of evaluating neural networks for object detection presents some points still under study, including: - the subjectivity of bounding boxes - evaluation in complex environments - consideration of the semantic context - real-time evaluation.en_UK
dc.language.isoit
dc.rightsinfo:eu-repo/semantics/restrictedAccess
dc.titleMetriche di valutazione di reti neurali per object detectionit_IT
dc.title.alternativeEvaluation metrics of neural networks for object detectionen_UK
dc.typeinfo:eu-repo/semantics/bachelorThesis
dc.subject.miurSECS-S/01 - STATISTICA
dc.publisher.nameUniversità degli studi di Genova
dc.date.academicyear2022/2023
dc.description.corsolaurea8766 - STATISTICA MATEMATICA E TRATTAMENTO INFORMATICO DEI DATI
dc.description.area7 - SCIENZE MAT.FIS.NAT.
dc.description.department100021 - DIPARTIMENTO DI MATEMATICA


Files in this item

This item appears in the following Collection(s)

Show simple item record